在R中用KS检验与回归比较负二项和泊松分布拟合优度

1. 可用于KS检验的其他R包 #

除你提到的包外，还有这些实用选择：

• 基础包stats：自带的ks.test()可直接使用，但需先手动估计分布参数。比如通过极大似然或矩估计得到泊松的λ、负二项的均值和离散参数，再将参数传入对应理论分布函数（如ppois、pnbinom）完成检验。
• fitdistrplus包：专注于分布拟合，先用fitdist(dt, "pois")和fitdist(dt, "nbinom")分别拟合泊松、负二项分布，得到参数估计后，再结合ks.test()完成检验，流程更连贯。
• nortest包：虽主打正态性检验，但支持传入自定义参数的离散分布KS检验，需先完成参数估计再调用对应函数。

2. 用glm结合AIC对比分布适配性 #

完全可行，具体操作如下：

• 变量定义：Y就是你的数据集dt，无需额外X变量（仅用截距项拟合单变量分布即可）。
• 泊松模型构建：用基础glm函数拟合仅含截距项的泊松模型：

  poisson_model <- glm(dt ~ 1, family = poisson())
  

• 负二项模型构建：借助MASS包的glm.nb()函数拟合仅含截距项的负二项模型：

  library(MASS)
  nb_model <- glm.nb(dt ~ 1)
  

• AIC对比：提取两个模型的AIC值，数值更小的模型对应的分布更适配你的数据：

  AIC(poisson_model)
  AIC(nb_model)
  

额外补充：你使用dgof的ks.test时的参数初始化问题，可通过极大似然估计快速解决：泊松的λ直接取mean(dt)；负二项的参数可用MASS::fitdistr(dt, "negative binomial")获取，之后代入pnbinom即可完成KS检验。

内容的提问来源于stack exchange，提问作者vp_050